英语原文共 11 页
多样式迁移二维码
傅福有，赖淑仁*，Hechen Gong和Yangze Zhao
北京印刷学院。兴化街1号（两段），北京市大兴区
电子邮件：lsr1994104@163.com
摘要
快速响应（QR）码是一种可以快速识别的二维码通过便携式移动设备。它在电子商务中发挥着越来越重要的作用，制造，营销和日常生活。因此，QR码的视觉美感是一个应该改进的重要表现。许多提出的美化QR的方法代码有很好的结果。为了增强视觉效果，简化复杂性和提高稳健性。在本文中，我们提出了一种可用于生成的策略多风格艺术二维码。特别是，这种策略能够转移多个艺术风格的艺术二维码。针对视觉平滑，我们采用一种方法来生成改进的系统编码美学二维码。为了迁移多种风格，我们改进神经风格的迁移网络，以适应美学QR码样式的迁移任务。同时，我们提出了一种纠错方法来增强多风格的鲁棒性迁移由神经样式迁移网络生成的QR码。
简介
快速响应（QR）代码是最广泛使用的代码之一。它是一种二维的代码包含黑色和白色方块模块。 QR码提供了许多功能，例如高容量数据编码，小打印输出尺寸，污垢和损坏，可从任何方向读取[1]。QR码具有比传统条形码更多的信息存储容量。同时，它有快速可读性，可通过智能手机读取，而不仅仅通过条形码扫描仪读取。随着各种品种智能移动设备的普及，二维码的美化已经越来越多而且更有用。
QR码具有严格的形状和颜色限制。因此，美化QR码的难度很大在于如何在这些限制下表达艺术内容。图1显示了一些美丽的QR码。现有的工作已经开发了许多算法[2] - [14]，可以大致划分分为两类，替代QR模块的方法和修改图像像素的方法。
第一类方法基于通过艺术图像或徽标替换QR模块。 [3]，[4]修改原始QR码的几个模块在可能的纠错能力范围内显示小的徽标图像[13]。通过利用填充区域中未使用的模块的方法[4]，[8]保持解码的稳健性。 QArt代码使用[2]中的方法设计，它操纵了Reed所罗门编码程序最大化区域覆盖范围而不破坏纠正性能。
第二类方法基于修改图像像素的亮度或颜色。之一方法[7]选择每个模块的中心像素，这是通常采样的区域解码器修改其亮度。该方法在保持稳健性的同时改善了视觉效果。但是，它很可能会产生大量的低通伪影，因为它通常是修改模块区域的大部分。还有其他人，[4]通过修改表现形象填充码字，此方法受QR码编码规则的限制。
旨在进一步提高视觉效果，获得强大的艺术QR码。 那里是其他一些同时使用上述两种方法的作品。 在[9]中，应用了一种方法提出了半色调技术，目的是生成美学QR码。 它分裂QR将模块转换为一组像素并保留像素，同时使用QR码替换这些中心像素。 张等人。 [12]基于视觉显着性和边缘重新定位了QR码模块从背景图像中提取的特征。 这种方法倾向于分配黑/白模块视觉焦点区域，可以在视觉愉悦中输出QR码。 还有一项工作，徐等人。[14]
提出一种新颖的美学QR码，SEE（StylizeaEsthEtic）二维码和一个三阶段自动生成如此强大的艺术风格代码。 该方法可以输出SEE QR代码在视觉外观和稳健性方面具有高质量。
图1.现有艺术QR码
嵌入方法的难点在于它们应该由标准应用程序解码。采用嵌入方法改变QR码时，会改变代码的亮度。作为一个结果，二值化阈值可能会失真，识别精度也会很高降低。嵌入方法的另一个困难是选择替换数量信息模块。它受到限制，这取决于代码的修正能力。嵌入方法必须尽量减少替换模块的数量，同时充分利用可能的区域，以确保QR码的视觉效果。
在本文中，我们提出了一种可用于生成多风格艺术QR码的策略。特别是，该策略能够将多种艺术风格转换为艺术QR码。针对视觉平滑，我们采用一种方法来生成修改后的系统编码
美学二维码。为了从多个样式图像迁移多样式，我们改进了神经风格迁移网络，以适应美学QR码多样式迁移任务。同时，我们提出了一种纠错方法来增强多风格的鲁棒性迁移QR码由神经多式迁移网络生成。
本文的结构如下。第二节回顾了结构和解码程序二维码。同时，简要介绍了神经网络相关的风格转移方法。提出了生成具有非鲁棒性的多样式迁移QR码的所提出的方法在第III节中。第IV节描述了增强鲁棒性的纠错方法。第五节演示我们方法的结果并对其进行评估。
预赛
QR码的结构
QR码具有容量大，可靠性高，防伪性强，支持一般的优点各种图形和文本信息。 除此之外，QR码还具有以下主要特征：
360度完全读取：优于行类型二维码，例如PDF417代码。
极高的阅读速度。
极高的阅读速度。
图2是典型的QR码，主要是由方形模块组成的方阵包括功能图形和编码区域两部分。 功能图形主要用于识别，定位和恢复旋转变形，包括位置检测图形，定位图形，分隔符和校正图形。 编码区域是数据编码的存储区域，包括格式信息，版本信息，数据和纠错码。
共有40个版本的QR码，每个版本都有不同的大小，版本1的大小是21times;21版本2是25times;25，尺寸计算方法是（4times;j 17）times;（4times;j 17），j是版本号，你可以看到版本越大，尺寸越大，它就可以代表更多数据。 QR码的结构如下：
取景器图案：取景器图案由三个重叠宽度比为3：5：7的中心组成和模块深浅布置方形。 QR码包含三个取景器模式位于二维码图像的三个角上。 它们可用于识别QR码符号并确定它们的方向和位置。
对齐模式：对齐模式可以视为查找器的小版本图案，其正方形的宽度从内到外为1：3：5。 超过版本2的对齐模式可用，对齐模式的数量随着增加而增加版本。
时序模式：时序模式是交替的一行和一列图形由第六列和第六行中的浅层和深层模块组成。 时机的作用模式是协助定位并确定版本和密度。
编码区域：编码区域是代码区域，由查找器模式分隔。 它存储数据，奇偶校验模块和解码信息。 代码的版本决定了形状代码字。
图2.现有的漂亮QR码
图3. Finder模式扫描原理图
解码程序
QR码识别是通过相关图像采集来读取和预处理QR码图形设备，然后解码QR码的原始信息。 QR码的识别过程主要分为图像预处理，定位和校正，数据读取，纠错和解码。
QR码图像可分为灰度处理，平滑处理和二值化。用相机扫描QR码，通常获得彩色图像，每个像素具有三种颜色RGB组件值，组件值范围从0到255.由于传统的QR码只有两种颜色的黑色和白色，RGB值不包含有用信息。 因此，颜色必须首先对图像进行渐变处理[20]。 此外，与彩色图像相比灰度图像，它将节省更多的空间和计算时间。二进制图像由生成将灰度图像阈值化为：
（1）
Q是相机拍摄的QR码，是分配给pixel [i,j]和。的阈值[i,j ] 是个Q中像素[i,j]的二进制结果。最常用的QR码编码和读取库是ZXing库[15]。阈值不是恒定的，ZXing使用平均块二值化方法来计算阈值。
在预处理QR码图像之后，获得灰度级像素值。 接下来，QR码是定位并纠正，然后可以读取数据。QR码定位是找到模式与发现者模式的功能相匹配。 扫描图像找到符合的部分取景器图案宽度的比例。 如图3所示，这是一条直线传递通过X轴方向的取景器图案来满足黑色和白色宽度的比例。图像的相邻像素，直到穿过X中的中心模块的所有直线确定方向。 以同样的方式，找到通过中心块的所有直线Y轴方向。 重复上述步骤以获得其他两个取景器图案的中心位置。
所描绘的QR码图形通常在角度上具有一定程度的旋转，并且需要通过图像旋转恢复。 旋转角度可以从坐标计算出来取景器图案的中心点。 同时，由于拍摄角度等原因，扫描图像通常不是正方形，但几何形状的变化将发生变化梯形和其他图形。 这时，有必要使用平面投影转换恢复图形。平面投影变换是使用透视变换[16]平面投影转换公式，使用四边形的顶点作为控制点将原始坐标中的四边形变形转换为标准中的四边形坐标。
在位置和校正之后，需要纠错和解码。 一，相应的读取图像的值，并将黑白图像块分别标识为a矩阵由“0”和“1”组成。 然后阅读格式，版本信息，获取掩码模式和纠错级别和QR码版本。 使用掩模图案和执行XOR处理QR码获取掩码前的原始图案。 根据布局规则
模块，读取符号字符，原始信息的数据区域和错误恢复校正码，并通过纠错码校正数据。 最后，根据所使用的模式通过解码获得原始信息。
风格转移
大多数早期的风格转移方法都是基于实例的[17] [18]。 图像类比法[13]确定一组图像之间的关系，并将其应用于其他图像以实现风格过渡。 因为它仅限于寻找密集的对应关系，所以基于类比的方法[18]通常需要一组代表相似场景的图像。 因此这些方法不合适用于任意图像样式转换任务。
近年来，基于神经网络的图像样式迁移一直是人们关注的热门话题人工智能研究。 它与纹理合成密切相关，并由图像生成这些方法具有与样式目标图像相同的样式以及样式的语义信息目标内容图像。
基于神经网络的风格转移方法可以分为两类：一类是基于优化方法，例如，Gatys等。[19]。 本文的方法是直接修改随机噪声使整体误差最小化。 对于该方法的每个前向传播，
原始噪声经过微调，逐渐接近最终效果图; 另一个是基于前馈网络，如Ulyanov等。 [20]，约翰逊等人。[21]。 这些方法训练了针对每种特定样式的目标图像的前馈生成器网络，并通过前向传输替换原始耗时的迭代优化。 此外，由此产生的网络非常轻，可以产生与Gatys等人相当的质量，但更多快点。
之后，已经提出了许多方法来训练单个网络以迁移多个样式。陈等人[22]提出了一种基于组合内容的局部匹配的优化目标结构和样式纹理在预训练网络的单个层中。 廖等人。 [23]提出了一个双图像直接视觉特性迁移方法。 该方法针对两个不同的图像内容但类似的语义。 例如，两个图的主体是同一类别的对象，利用高级抽象特征建立了两个图的内容之间的语义对应关系。
在本文中，我们提出了一种可用于生成多风格艺术QR码的策略。特别是，该策略能够将多种艺术风格转换为艺术QR码。 在为了迁移多种风格，我们改进了神经风格的迁移网络以适应美学QR代码样式迁移任务。
多样式迁移QR码生成
美学二维码生成方法
首先，我们生成一个非风格化的艺术QR码，大致遵循提出的框架通过[13]。 标准QR码使用RS码的系统码方法来生成RS块。系统编码表示信息符号直接成为RS块的一部分。 至生成一个更好的RS块，它使用一种编码方法，使二进制字符串插入到QR码类似于图像的模块模式，并在候选者中找到最佳RS块详尽的搜索。 同时，为了克服计算困难，一个策略使用称为“随机方法”。 该方法随机均匀地选择候选和检查与模块模式的相似性。 在QR码中有多个候选者，我们选择最好的有一个要显示的最小数量的像素值符号图像不同的模块。
在选择要替换的最佳RS块之后，我们采用M.提出的方法[13]。Kuribayashi和M. Morii。 翻译颜色。 由于QR码，可以使用模块的颜色解码算法。 在相机设备获得QR码的过程中，每个的亮度使用解码算法计算模块，并将颜色空间转换为亮度零件。 转换颜色的方法描述如下：
（1）改变输入图像的比例，使得给定版本的QR码具有相同的尺寸;
（2）将颜色分量RGB转换为YUV颜色分量，并获得亮度零件，;
（3）计算中心平方值的平均值，这是原始值的四分之一图像，
（2）
- 确定二进制矩阵
（3）
放置在QR码矩阵上的RS块的二进制表示表示为，。 同时，必须符合黑白功能模式QR码的对应位置。 我们最终会生成一个与给定相关的QR码图片，如下图所示。
当=1，
（4）
除此以外，
（5）
其中ε是确保可读性的阈值。 修改后的亮度分量和通过此方法将原始U和V分量转换为RGB颜色分量。 最后，我们获得非风格化的艺术QR码。
多样本迁移QR码生成方法
如图4所示，我们大致遵循[19]提出的框架。 该方法使用神经用于分离和重新组合图像的内容和样式的表示，提供神经算法用于创作艺术形象。 但是，他们的方法仅限于单个图像样式迁移。因此，我们改进了一种多样式迁移方法。
我们输入内容目标图像p和样式目标图像a，输出图像
以上是毕业论文外文翻译，课题毕业论文、任务书、文献综述、开题报告、程序设计、图纸设计等资料可联系客服协助查找。
